1. 简介
本文档记录 speech_conformer_asr_nat-zh-cn-16k-aishell2-vocab5212-pytorch (Conformer ASR) 在昇腾 NPU 上的适配验证结果。
- 模型来源: iic/speech_conformer_asr_nat-zh-cn-16k-aishell2-vocab5212-pytorch
- 架构: Conformer Encoder (12层, d_model=256, n_head=4, d_ff=2048)
- 任务: Automatic Speech Recognition (中文语音识别, AISHELL-2)
- 适配状态: SUCCESS
- 适配时间: 2026-05-17
2. 验证环境
| 组件 | 版本 |
|---|
torch | 2.9.0 |
torch-npu | 2.9.0.post1 |
CANN | 8.5.1 |
- NPU: Ascend 910B4
- 系统: Linux aarch64
3. 推理脚本
python inference.py --device npu:0 --dtype float32
4. 推理输出证据
模型: speech_conformer_asr_nat-zh-cn-16k-aishell2-vocab5212-pytorch
设备: npu:0
精度: float32
--- CPU 推理 ---
输出形状: [1, 50, 256]
Logits 前5个: [-1.0125235 1.0749375 -3.595477 0.16479884 -0.27551863]
是否有 NaN: False
--- NPU 推理 (npu:0) ---
输出形状: [1, 50, 256]
Logits 前5个: [-1.0124391 1.0749807 -3.5954568 0.16477266 -0.2753874 ]
是否有 NaN: False
5. 性能参考
6. CPU vs NPU 精度对比
| 指标 | 数值 |
|---|
| Cosine Similarity | 1.000000 |
| Max Abs Error | 0.000352 |
| 精度误差 | < 0.04% |
| 是否满足要求 | 是（< 1%） |
7. 评测材料
| 材料 | 文件 | 说明 |
|---|
| 推理脚本 | inference.py | 独立可运行的 NPU 推理代码 |
8. 注意事项
- 使用自定义 Conformer Encoder 实现，加载模型原始 encoder 权重
- 输入: 随机 mel spectrogram (batch=1, time=200, feat=80)
- 输出: Encoder 隐藏状态 (batch=1, time=50, d_model=256)
- Encoder 通过 2 层 stride=2 的 Conv1d 下采样 4 倍 (200 -> 50)
贡献者: xujiashuai
参赛赛道: 模型适配赛道
提交时间: 2026-05-17
